数据掘金：电子商务运营突围

第1章  引言：电子商务运营和数据          1 1.1  2012年最大的赌局       2 1.2  为300万人建300万个网站         6 1.2.1  电子商务的RUPI概念       7 1.2.2  在互联网上卖米         8 1.2.3  电子商务怎么能离开数据         10 1.2.4  淘宝店的四个核心数据    13 1.3  让电商运营不再那么辛苦   16 1.3.1  电商人的蓝精灵之歌         17 1.3.2  电子商务运营入学考试    17 1.3.3  店铺诊断——我的网店能挣更多钱吗    19 1.3.4  让你的网店脱颖而出         23 1.3.5  为你的网店装上“业务雷达”         27 1.4  电子商务数据运营的五大应用   30 1.4.1  让网站更吸引人         32 1.4.2  把潜在客户转化成真正的客户         33 1.4.3  挖掘老客户价值         35 1.4.4  推荐系统的设计和应用    36 1.4.5  针对不同客户提供个性化的产品    36 1.5  关于电商数据的六个“W”和一个“H” 37 1.6  本书的内容   39 1.7  本章相关资源        42 第2章  我们需要知道的数据分析     43 2.1  从数据分析专家林彪说起   44 2.2  数据分析基本概念        45 2.2.1  就这么简单：三种基础数据    46 2.2.2  我们这样来理解数据         47 2.2.3  概率并不可怕    50 2.3  让我们开始加工数据   52 2.3.1  数据集成——把所有数据都拿过来         52 2.3.2  数据清洗——给数据玩“洗刷刷”         54 2.3.3  数据转换——给数据换个“马甲”         59 2.3.4  数据规约——有时候也要丢掉数据         62 2.4  用向量表示数据   63 2.5  网站日志的收集和处理        66 2.5.1  网站日志信息分类    66 2.5.2  网站日志实例    70 2.5.3  网站日志预处理         76 2.6  最好的分析方法——看图说话   82 2.6.1  起起伏伏用折线图    83 2.6.2  简单比较用柱状图    83 2.6.3  转化率用漏斗图表示最直观    83 2.6.4  雷达图显示用户偏好         85 2.6.5  表示比例最好的饼图和环形图         86 2.7  本章相关资源        89 第3章  我们需要知道的数据挖掘     90 3.1  什么是数据挖掘   90 3.1.1  尿不湿和啤酒    92 3.1.2  Target和怀孕预测指数     94 3.1.3  从数据分析到数据挖掘    95 3.1.4  数据挖掘的一般过程         97 3.2  人人都能做数据挖掘   100 3.3  我们需要知道的四类数据挖掘算法   101 3.3.1  分类——人以群分    101 3.3.2  聚类——物以类聚    108 3.3.3  关联——马原告诉我们事物是普遍联系的    111 3.3.4  序列——排队的规律，中国人最明白    119 3.4  Web挖掘和信息检索   121 3.4.1  Web挖掘和信息检索         122 3.4.2  协同过滤——推测同类客户的行为         124 3.4.3  个性化推荐和推荐系统——我们要更懂客户         126 3.5  本章相关资源        130 第4章  数据分析和数据挖掘工具的选择          132 4.1  数据分析工具        132 4.1.1  用Excel做数据分析  132 4.1.2  MATLAB       136 4.2  网站分析工具        139 4.2.1  用GA做分析      139 4.2.2  GA的限制  142 4.2.3  各种站长工具    143 4.3  用R语言制作的工具   144 4.3.1  用R做数据分析的优势    145 4.3.2  用R绘制热力图         148 4.3.3  用Rattle分析广告投放数据     150 4.4  其他的开源数据挖掘工具   154 4.4.1  Weka数据挖掘工具  154 4.4.2  Google提供的数据挖掘工具    158 4.5  电商平台上的各种工具        159 4.5.1  用量子恒道分析淘宝网店         159 4.5.2  淘宝上的数据魔方    161 4.5.3  开放平台上的工具    165 4.6  数据展示工具        165 4.7  本章相关资源        168 第5章  电子商务数据运营入门          170 5.1  在讨论数据运营之前   170 5.1.1  数据运营的四大障碍         170 5.1.2  数据不是万能的         171 5.2  电子商务运营中重要的数据点   173 5.2.1  访客数         175 5.2.2  转化率         176 5.2.3  客单价         180 5.3  一切让数据说话   181 5.3.1  要有总体的概念         182 5.3.2  每天的运营数据不可忽视         184 5.3.3  最重要的是ROI 187 5.4  有哪些数据分析需要做        189 5.4.1  网站流量分析    189 5.4.2  商品销售分析    193 5.4.3  定期数据分析    194 5.4.4  内容分析    195 5.5  从零开始打造电子商务企业        195 5.5.1  Bootstrapping，一步一步来     195 5.5.2  商品选择    196 5.5.3  平台选择    198 5.5.4  经营策略和定位的选择    199 5.5.5  推广选择    200 5.5.6  开店喽         201 5.6  本章相关资源        202 第6章  电子商务数据运营的方法     203 6.1  用数据解决运营中的问题   203 6.1.1  商品评估    204 6.1.2  流量评估    207 6.1.3  页面评估    213 6.1.4  网站评估    214 6.1.5  服务评估    215 6.2  客户分析数据模型        219 6.2.1  数据模型的建立和应用    220 6.2.2  客户生命周期模型    222 6.2.3  RFM客户数据模型    223 6.2.4  基于客户访问信息的分析模型         226 6.2.5  基于访客系统属性的分析模型         228 6.3  WAMM模型  229 6.4  如何针对独立B2C做数据运营   231 6.5  数据运营的考核——KPI       233 6.5.1  KPI的SMART原则     235 6.5.2  电子商务运营的KPI设定 237 6.6  本章相关资源        241 第7章  电商运营之免费流量获取     242 7.1  免费的自然流量——SEO     242 7.1.1  为什么需要做SEO     242 7.1.2  SEO站内优化     246 7.1.3  SEO站外优化     247 7.1.4  SEO小实操 248 7.2  淘宝SEO         252 7.3  企业官网和官博   256 7.4  口碑和互动营销   258 7.5  本章相关资源        262 第8章  电商运营流量获取——做有效的广告          263 8.1  做有效的广告        263 8.1.1  互联网广告的优势    264 8.1.2  网站联盟广告    267 8.1.3  互联网广告分析         271 8.1.4  广告优化和定向投放         272 8.2  淘宝上的广告        278 8.2.1  淘宝直通车         279 8.2.2  钻石展位    281 8.3  搜索引擎竞价排名和SEM   282 8.3.1  搜索广告的类型         283 8.3.2  搜索广告的效果         284 8.3.3  通过数据分析做SEM         287 8.4  EDM        294 8.4.1  EDM和客户生命周期        299 8.4.2  EDM的KPI 302 8.4.3  EDM中的延时效应性        303 8.4.4  EDM中的数据筛选   304 8.4.5  EDM上的RFM模型应用  308 8.5  多管齐下        311 8.5.1  整合营销    311 8.5.2  多渠道运营         314 8.6  本章相关资源        316 第9章  把流量变成真实客户     317 9.1  流量分析        317 9.1.1  访客量的分析    318 9.1.2  分析流量来源特点    320 9.1.3  分析访客时空属性    322 9.1.4  分析访客的人群属性         324 9.1.5  分析客户兴趣属性    326 9.2  页面分析        327 9.2.1  网站上的内容    327 9.2.2  页面跳出率和二跳率         329 9.2.3  页面热度分析    329 9.3  网站分析        331 9.3.1  网站日志分析    332 9.3.2  提升网站质量    335 9.4  提升网站转化率   336 9.4.1  抓住每一个环节的数据    337 9.4.2  怎样吸引客户下订单         338 9.4.3  找回被放弃的购物车         340 9.4.4  不盲目追求转化率    342 9.5  本章相关资源        344 第10章  深度挖掘客户价值       345 10.1  最有价值客户的特征 345 10.1.1  建立CRM（客户关系管理） 346 10.1.2  构建客户综合价值模型  349 10.1.3  用客户生命周期模型提升收入       352 10.1.4  用RFM算法找出MVC    353 10.2  如何把客户黏在我们的网站      354 10.2.1  提升客户平均停留时间  355 10.2.2  客户活跃度分析       356 10.2.3  做客户流失分析       357 10.3  客户需要什么商品      358 10.3.1  找出热门商品  359 10.3.2  用推荐系统提高客单价  360 10.4  商品相关的数据挖掘 364 10.4.1  用决策树分析商品  365 10.4.2  用聚类算法对商品分类  366 10.4.3  用关联算法做商品匹配  368 10.4.4  用序列算法分析商品上下架时间  372 10.5  相关资源      374 第11章  电子商务运营还有哪些事儿       377 11.1  相关管理系统      377 11.2  移动电商和数据 381 11.2.1  移动电商的特殊性  381 11.2.2  数据挖掘和LBS        388 11.2.3  移动广告  391 11.2.4  移动互联网数据面临的问题  391 11.3  电商和Big Data  393 11.3.1  Big Data是什么        393 11.3.2  电商的大数据可以怎么“玩”       396 11.3.3  Big Data上的技术   397 11.3.4  联机分析处理（OLAP） 408 11.4  电子商务网络安全      409 11.5  企业竞争与反竞争      411 11.6  本章相关资源      412 第12章  电子商务数据运营的未来   414 附录A  专业词汇 419 附录B  本书中用到的公式和算法      431 附录C  参考文献 437 附录D  值得关注的微博     442 附录E  参考网站一览 443